Daniel Wolpert: The real reason for brains

ダニエル・ウォルパート: 脳の存在理由

翻訳: Shogo Kobayashi 校正: Masaki Yanagishita

I'm a neuroscientist.

私は神経科学者です

And in neuroscience,

神経科学では

we have to deal with many difficult questions about the brain.

脳に関しての多くの難問に立ち会います

But I want to start with the easiest question

しかし私はその中でも最も簡単で

and the question you really should have all asked yourselves at some point in your life,

だれもが人生の中で一度は問いかけるだろう

because it's a fundamental question

脳の働きに対する理解の基本となる

if we want to understand brain function.

疑問から始めましょう

And that is, why do we and other animals

私たち人間や動物には

have brains?

なぜ脳があるのか

Not all species on our planet have brains,

この地球上の生物全てに脳があるわけではありません

so if we want to know what the brain is for,

脳の存在理由を知るためには

let's think about why we evolved one.

なぜ私たちの脳ができたのか考える必要があります

Now you may reason that we have one

何かを感じたり考えたりするためだと

to perceive the world or to think,

結論付けるかもしれませんが

and that's completely wrong.

それは完全に間違いです

If you think about this question for any length of time,

この質問を少し考えてみれば

it's blindingly obvious why we have a brain.

脳が存在する理由は明らかになります

We have a brain for one reason and one reason only,

脳を持つ理由はただ一つ

and that's to produce adaptable and complex movements.

柔軟で複雑な動きを可能にすることです

There is no other reason to have a brain.

これが脳を持つ唯一の理由です

Think about it.

考えてみてください

Movement is the only way you have

唯一　動作だけが周りの世界に

of affecting the world around you.

働きかけのできる方法なのです

Now that's not quite true. There's one other way, and that's through sweating.

例外は発汗だけです

But apart from that,

それ以外は

everything else goes through contractions of muscles.

すべて筋肉の収縮が伴います

So think about communication --

コミュニケーションを考えてみてください

speech, gestures, writing, sign language --

話し　ジェスチャー　筆記　手話

they're all mediated through contractions of your muscles.

すべて筋肉の収縮によって成り立っています

So it's really important to remember

覚えておかなければいけないことは

that sensory, memory and cognitive processes are all important,

感覚や記憶　認知の過程は重要ですが

but they're only important

それらが必要なのは

to either drive or suppress future movements.

将来的に動作に影響を与えるときだけです

There can be no evolutionary advantage

後の動作に影響を与えないのであれば

to laying down memories of childhood

幼少時代の記憶を保持したり

or perceiving the color of a rose

バラの色を感知することには

if it doesn't affect the way you're going to move later in life.

進化的な意義を持ちません

Now for those who don't believe this argument,

この話を信じない人もいるかもしれません

we have trees and grass on our planet without the brain,

木や草などには脳がありませんが

but the clinching evidence is this animal here --

確たる証拠はこの

the humble sea squirt.

地味な動物 ホヤです

Rudimentary animal, has a nervous system,

この原始的な生物は神経系を持っており

swims around in the ocean in its juvenile life.

幼生のときは海を泳ぎまわります

And at some point of its life,

そしてあるときになると

it implants on a rock.

岩にとりつきます

And the first thing it does in implanting on that rock, which it never leaves,

永住の場所とした岩にとりついてはじめてするのは

is to digest its own brain and nervous system

自分の脳と神経系を食物として

for food.

消化することです

So once you don't need to move,

一旦動く必要がなくなると

you don't need the luxury of that brain.

脳のような贅沢品はいらないのです

And this animal is often taken

この動物はよく

as an analogy to what happens at universities

大学で終身雇用された教授の

when professors get tenure,

比喩で持ち出されますが

but that's a different subject.

それはまた別の機会にしましょう

(Applause)

（拍手）

So I am a movement chauvinist.

私は動作至上主義者です

I believe movement is the most important function of the brain --

動作こそが脳のもっとも重要な働きと信じていますし

don't let anyone tell you that it's not true.

それは誰にも否定させたくありません

Now if movement is so important,

動作はそれほど重要ですが

how well are we doing

脳がどのように制御しているのかを

understanding how the brain controls movement?

私たちはどれ位理解しているのでしょうか

And the answer is we're doing extremely poorly; it's a very hard problem.

それはごくわずかであり　とても難しい問題です

But we can look at how well we're doing

しかし人間と同じ動作をする

by thinking about how well we're doing building machines

機械を作ることによって　いかに

which can do what humans can do.

私たちがうまくやっているかを観察できます

Think about the game of chess.

チェスの試合を例にしましょう

How well are we doing determining what piece to move where?

駒を動かす戦略を私たちはどれほどうまくたてられるでしょうか

If you pit Garry Kasparov here, when he's not in jail,

ゲイリー・カスパロフが収監される前にIBMの

against IBM's Deep Blue,

ディープブルーと対戦したとすると

well the answer is IBM's Deep Blue will occasionally win.

ディープブルーが勝つこともあったでしょう

And I think if IBM's Deep Blue played anyone in this room, it would win every time.

ここにいる誰かが相手なら 絶対に勝つでしょう

That problem is solved.

これが答えです

What about the problem

では　次の質問

of picking up a chess piece,

チェスの駒を取り上げて

dexterously manipulating it and putting it back down on the board?

器用に動かし　盤上に戻すのはどれほどうまくできるでしょうか

If you put a five year-old child's dexterity against the best robots of today,

5歳の子供の器用さと最新のロボットを比べても

the answer is simple:

答えは簡単です

the child wins easily.

子供が容易に勝つでしょう

There's no competition at all.

勝負になりません

Now why is that top problem so easy

なぜ上の問題はそう簡単なのに

and the bottom problem so hard?

下の問題はそんなに難しいのでしょうか

One reason is a very smart five year-old

とても賢い5歳の子供ならば

could tell you the algorithm for that top problem --

上の問題には答えられるかもしれません

look at all possible moves to the end of the game

最終局まで可能な進め方を考え

and choose the one that makes you win.

勝てるものを選び出すこと

So it's a very simple algorithm.

それはとても単純なことです

Now of course there are other moves,

もちろん間違うこともありますが

but with vast computers we approximate

巨大なコンピュータを使えば

and come close to the optimal solution.

正解に近づけることはできます

When it comes to being dexterous,

器用さとなると

どんなアルゴリズムを解くのかも はっきりしません

it's not even clear what the algorithm is you have to solve to be dexterous.

And we'll see you have to both perceive and act on the world,

周りの世界を把握し 働きかけることが必要で

which has a lot of problems.

それが多くの問題をはらんでいます

But let me show you cutting-edge robotics.

最新のロボット工学をご覧ください

Now a lot of robotics is very impressive,

今では多くの驚くべきロボットがあります

but manipulation robotics is really just in the dark ages.

しかし動作ロボット工学はまさに暗黒時代です

So this is the end of a Ph.D. project

最高のロボット工学研究所の一つの

from one of the best robotics institutes.

博士号プロジェクトの結果がこれです

And the student has trained this robot

学生がこのロボットを訓練し

to pour this water into a glass.

グラスに水を注げるようにしました

It's a hard problem because the water sloshes about, but it can do it.

水がはねるので難しい課題でしたが　行うことは可能です

But it doesn't do it with anything like the agility of a human.

しかし人間のような機敏さはまったくありません

Now if you want this robot to do a different task,

違う動作をさせたいと考えるとすると

that's another three-year Ph.D. program.

それはまた3年間の博士号プロジェクトが必要です

There is no generalization at all

ここには一つのタスクから他につながるような

from one task to another in robotics.

一般化はまったくありません

Now we can compare this

ではこの例と　人間の中でも

to cutting-edge human performance.

もっともすばらしいパフォーマンスとを比べてみましょう

So what I'm going to show you is Emily Fox

このエミリー・フォックスさんはカップ・スタッキングの

winning the world record for cup stacking.

世界記録保持者です

Now the Americans in the audience will know all about cup stacking.

アメリカ人の方はこの競技をご存知と思いますが

It's a high school sport

高校のスポーツで

where you have 12 cups you have to stack and unstack

12個のカップを決まった順序でなるべく早く

against the clock in a prescribed order.

積み重ねたり並べたりします

And this is her getting the world record in real time.

これは彼女が世界記録をとったときの実速度の映像です

(Laughter)

(Applause)

（拍手）

And she's pretty happy.

とてもうれしそうです

We have no idea what is going on inside her brain when she does that,

頭の中で起こっていることはわかりませんが

and that's what we'd like to know.

それこそが知りたいことなのです

So in my group, what we try to do

そこで私のチームは

is reverse engineer how humans control movement.

ヒトがどのように動作を制御するか リバースエンジニアすることに挑戦しました

And it sounds like an easy problem.

簡単なことに思えるかもしれません

You send a command down, it causes muscles to contract.

指令を送って それに対応して筋肉が収縮し

Your arm or body moves,

腕や身体が動き

and you get sensory feedback from vision, from skin, from muscles and so on.

視覚　皮ふや筋肉などからのフィードバックがある

The trouble is

問題は

these signals are not the beautiful signals you want them to be.

それらが望むようなきれいな信号ではないことです

So one thing that makes controlling movement difficult

動作を制御するときに難しいことのひとつが

is, for example, sensory feedback is extremely noisy.

フィードバックがノイズだらけということです

Now by noise, I do not mean sound.

ノイズといっても音ではなく

We use it in the engineering and neuroscience sense

工学や神経科学の世界で　信号を破損させる

meaning a random noise corrupting a signal.

ランダム・ノイズという意味で使っています

So the old days before digital radio when you were tuning in your radio

昔　デジタルラジオが出る前の古いラジオで選局するときに

and you heard "crrcckkk" on the station you wanted to hear,

聞こえるガガガという音

that was the noise.

それがノイズです

But more generally, this noise is something that corrupts the signal.

もっと一般的に言うと信号を破損させるものです

So for example, if you put your hand under a table

例を挙げると　机の下に手を置いて

and try to localize it with your other hand,

反対の手で位置を当てようとすると

you can be off by several centimeters

数センチの誤差がでるでしょう

due to the noise in sensory feedback.

それは感覚にノイズが発生したからです

Similarly, when you put motor output on movement output,

それと同様に　運動の表す信号に作動の信号を重ねると

it's extremely noisy.

雑音だらけになってしまいます

Forget about trying to hit the bull's eye in darts,

ダートゲームで標的の中心を狙わずに

just aim for the same spot over and over again.

同じところを何度も狙ってみましょう

You have a huge spread due to movement variability.

動作には大きな振れ幅があり矢は大きくばらつきます

And more than that, the outside world, or task,

それ以上に　外の世界　仕事は

is both ambiguous and variable.

不定でかつ多様です

The teapot could be full, it could be empty.

ティーポットは満杯や空のときがあり

It changes over time.

時とともに変化します

So we work in a whole sensory movement task soup of noise.

私たちはそうしたノイズだらけの中で動いているわけです

Now this noise is so great

このノイズはとてもひどいので

that society places a huge premium

この影響を少なくできる人には　社会の中で

on those of us who can reduce the consequences of noise.

大きな賞賛が与えられます

So if you're lucky enough to be able to knock a small white ball

もしあなたが金属の棒で小さな白球（ゴルフボール）を

into a hole several hundred yards away using a long metal stick,

数百メートル先の穴に入れることができたなら

our society will be willing to reward you

この社会は何億ドルの賞金で

with hundreds of millions of dollars.

あなたを賞賛するでしょう

Now what I want to convince you of

ここで私が皆さんに納得していただきたいことは

is the brain also goes through a lot of effort

脳もこうしたノイズや変動が及ぼす影響を

to reduce the negative consequences

減らすために　多くの努力を

of this sort of noise and variability.

しているということです

And to do that, I'm going to tell you about a framework

ここで　ある概念を紹介しましょう

which is very popular in statistics and machine learning of the last 50 years

統計学や機械学習の分野ではこの50年とても一般的なもので

called Bayesian decision theory.

ベイズ決定理論と呼ばれています

And it's more recently a unifying way

この考えは最近になって

to think about how the brain deals with uncertainty.

脳の不確定要素に対する扱いを考える時の方法として支持されてきています

And the fundamental idea is you want to make inferences and then take actions.

基本的には推測の後に行動を開始するという考え方です

So let's think about the inference.

推測について考えましょう

You want to generate beliefs about the world.

周囲の世界に対して信念を形成する必要があります

So what are beliefs?

ではその信念とは何でしょうか

Beliefs could be: where are my arms in space?

信念とは次のような　自分の腕がどこにあるのか　や

Am I looking at a cat or a fox?

自分が見ているのは猫なのか狐なのか　といったものです

But we're going to represent beliefs with probabilities.

こういった信念を私たちは確率をもってみています

So we're going to represent a belief

つまり信念とは

with a number between zero and one --

0と1の間にあるのです

zero meaning I don't believe it at all, one means I'm absolutely certain.

0は全く信じていない状態　1は間違いなく確かという状態です

And numbers in between give you the gray levels of uncertainty.

途中の数字は不確定さを表しています

And the key idea to Bayesian inference

ベイズ推論の鍵となる考え方は

is you have two sources of information

推論をするにあたり

from which to make your inference.

2つの情報源があることです

You have data,

データと

and data in neuroscience is sensory input.

神経科学的なデータは感覚入力です

So I have sensory input, which I can take in to make beliefs.

感覚からの入力があるので信念を形成することができます

But there's another source of information, and that's effectively prior knowledge.

しかしもうひとつの情報源として事前知識があります

You accumulate knowledge throughout your life in memories.

人は人生の中で記憶として知識を蓄えます

And the point about Bayesian decision theory

ベイズ決定理論のポイントは

is it gives you the mathematics

事前知識と感覚からの入力を

of the optimal way to combine

元に新しい信念を作る際に

your prior knowledge with your sensory evidence

効率的な組み合わせ方に

to generate new beliefs.

数学的な解を与えるところです

And I've put the formula up there.

ここに公式をお見せします

I'm not going to explain what that formula is, but it's very beautiful.

これをそのまま説明はしませんが　とても美しいのです

And it has real beauty and real explanatory power.

美しくかつ説得力もあります

And what it really says, and what you want to estimate,

これが証明するもの　推測されるものは

is the probability of different beliefs

感覚からの入力が与えられたときの

given your sensory input.

それぞれの信念の可能性です

So let me give you an intuitive example.

直観的な例をあげましょう

Imagine you're learning to play tennis

テニスを練習しているときに

and you want to decide where the ball is going to bounce

ネットを超えて向かってきたボールがどこで弾むかを

as it comes over the net towards you.

推測したいと思います

There are two sources of information

ベイズ理論によると　そこには

Bayes' rule tells you.

2つの情報源があります

There's sensory evidence -- you can use visual information auditory information,

感覚からの入力は　視覚や聴覚を使うことにより

and that might tell you it's going to land in that red spot.

ボールがその赤い地点に着地するというでしょう

But you know that your senses are not perfect,

ただし　ご存知のように感覚は完璧ではないので

and therefore there's some variability of where it's going to land

ボールが着地する地点はバラツキがあって

shown by that cloud of red,

赤い雲で示されています

representing numbers between 0.5 and maybe 0.1.

0.1から0.5の数字を示しています

That information is available in the current shot,

この情報は今のショットから得ることができるものですが

but there's another source of information

もうひとつ情報源は

not available on the current shot,

このショットからは得ることができません

but only available by repeated experience in the game of tennis,

テニスの試合を何度も経験することによってだけ身に付くことで

and that's that the ball doesn't bounce

試合中のボールの行方はコート全体で

with equal probability over the court during the match.

均等ではないということです

If you're playing against a very good opponent,

対戦相手がとても強い場合

they may distribute it in that green area,

あなたにとっては返しづらい

which is the prior distribution,

緑の区域にボールを

making it hard for you to return.

打ってくるでしょう

Now both these sources of information carry important information.

これら2つの情報は重要な情報を持っています

And what Bayes' rule says

ベイズ理論によると

is that I should multiply the numbers on the red by the numbers on the green

赤の数字と緑の数字を掛け合わせ

to get the numbers of the yellow, which have the ellipses,

楕円型の黄色の数字を導き出す

and that's my belief.

それが信念なのです

So it's the optimal way of combining information.

これが効率的に情報を組み合わせる方法です

Now I wouldn't tell you all this if it wasn't that a few years ago,

数年前でしたらこの話をしなかったと思います

we showed this is exactly what people do

その後これこそがまさしく人が新しい動作を

when they learn new movement skills.

学習するときの方法だということが分かりました

And what it means

これが意味するところは

is we really are Bayesian inference machines.

私たちはまさしくベイズ推論のとおりに動いているということです

As we go around, we learn about statistics of the world and lay that down,

生きる中で　周りの確率的な世界から学んだことを基に

but we also learn

するだけではなく

about how noisy our own sensory apparatus is,

感覚がいかにノイズだらけなのかも学び

and then combine those

それらを実生活の中で

in a real Bayesian way.

ベイズ式に組み合わせているのです

Now a key part to the Bayesian is this part of the formula.

ベイズの中で鍵となるのは公式のこの部分です

And what this part really says

この部分というのは

is I have to predict the probability

信念に影響を与える

of different sensory feedbacks

感覚からの様々な入力の持つ確率を

given my beliefs.

予測しなければいけないということです

So that really means I have to make predictions of the future.

これは未来を予期しなくてはいけないということです

And I want to convince you the brain does make predictions

脳は今からおきるであろう感覚からの入力について

of the sensory feedback it's going to get.

予想をします

And moreover, it profoundly changes your perceptions

さらにはその事柄に対するあなたの

by what you do.

感じ方も変えてしまいます

And to do that, I'll tell you

そうすることによって　脳が

about how the brain deals with sensory input.

感覚からの入力にどのように対処するかがわかります

So you send a command out,

指令を送ると

you get sensory feedback back,

感覚からのフィードバックがありますが

and that transformation is governed

その仕組みは身体的特性と

by the physics of your body and your sensory apparatus.

感覚器官によって制御されています

But you can imagine looking inside the brain.

しかし脳の中を見ることで想像はできます

And here's inside the brain.

これがその脳の中身です

You might have a little predictor, a neural simulator,

この小さな予言者　神経シミュレータは

of the physics of your body and your senses.

身体特性と感覚を模擬します

So as you send a movement command down,

脳が指令を送ると

you tap a copy of that off

指令のコピーを作り

and run it into your neural simulator

この神経シミュレータに送り

to anticipate the sensory consequences of your actions.

実際の行動からの感覚入力を予想します

So as I shake this ketchup bottle,

ケチャップを振ると

I get some true sensory feedback as the function of time in the bottom row.

下の行のように時間の関数として実際のフィードバックを得るのです

And if I've got a good predictor, it predicts the same thing.

もし予測がうまくいけば　同じことが起こるでしょう

Well why would I bother doing that?

なぜこんなことをするのでしょう

I'm going to get the same feedback anyway.

いずれにせよ同じフィードバックを受けるにもかかわらず

Well there's good reasons.

これにはしっかりとした意味があるのです

Imagine, as I shake the ketchup bottle,

考えてみてください　ケチャップを振るときに

someone very kindly comes up to me and taps it on the back for me.

だれかが親切にもケチャップを叩いてくれたとしましょう

Now I get an extra source of sensory information

この外部からの干渉は　感覚からの入力に

due to that external act.

追加を発生させます

So I get two sources.

ここでは2つの情報

I get you tapping on it, and I get me shaking it,

叩かれたことと　自分が振っていることが入力されます

but from my senses' point of view,

しかしこれは自分からすれば

that is combined together into one source of information.

入力は組み合わさって1つになっています

Now there's good reason to believe

これらの理由から

that you would want to be able to distinguish external events from internal events.

外部からの干渉と自発的な行動を分ける必要があるのです

Because external events are actually much more behaviorally relevant

外部的な干渉は自分の内部で起きていることをすべて感知するより

than feeling everything that's going on inside my body.

もっと行動に即しているからです

So one way to reconstruct that

推測を補正するための方法としては

is to compare the prediction --

自分の指令に基づく予測と

which is only based on your movement commands --

実際との比較を

with the reality.

することです

Any discrepancy should hopefully be external.

ここでの差異は外部からの影響であるはずです

So as I go around the world,

生活の中で

I'm making predictions of what I should get, subtracting them off.

自分が得るはずのものを予測しそれらを引き算しているのです

Everything left over is external to me.

残されたものが外部からの影響です

What evidence is there for this?

このことの根拠は何でしょうか

Well there's one very clear example

ここにいい例があります

where a sensation generated by myself feels very different

自分で引き起こした感覚と　他人が起こしたものでは

then if generated by another person.

全く違うのです

And so we decided the most obvious place to start

そこで私たちはもっともわかりやすい

was with tickling.

くすぐりの実験を始めました

It's been known for a long time, you can't tickle yourself

昔から　自分で自分をくすぐっても他人がやるようには

as well as other people can.

くすぐったくないことは知られています

But it hasn't really been shown, it's because you have a neural simulator,

しかしそれがいまだ証明されていない理由として　自身の神経シミュレータが

simulating your own body

自分で感覚を模倣し

and subtracting off that sense.

それらを引き算していることがあります

So we can bring the experiments of the 21st century

そこでロボット工学を用いて

by applying robotic technologies to this problem.

21世紀の実験を行うことにしたのです

And in effect, what we have is some sort of stick in one hand attached to a robot,

私たちは片方に棒がついたロボットを作成し

and they're going to move that back and forward.

被験者に棒を前後に動かしてもらいました

And then we're going to track that with a computer

その動きをコンピュータで追跡し

and use it to control another robot,

それをもうひとつのロボットに反映し

which is going to tickle their palm with another stick.

彼らの手のひらを別の棒でくすぐらせたのです

And then we're going to ask them to rate a bunch of things

そして被験者にはくすぐったさなどの

including ticklishness.

様々な質問をしました

I'll show you just one part of our study.

ここに結果の一部をお見せしましょう

And here I've taken away the robots,

ロボットを除いてみましょう

but basically people move with their right arm sinusoidally back and forward.

基本的に被験者は右腕を前後にサイン波状に動かしています

And we replay that to the other hand with a time delay.

少しの遅延の後にその動きを別のロボットで模倣します

Either no time delay,

全く遅延がない状態　つまり

in which case light would just tickle your palm,

光が手のひらをくすぐるようなケースや

or with a time delay of two-tenths of three-tenths of a second.

0.2秒や0.3秒の遅延があるケースを試しました

So the important point here

ここで重要なのは

is the right hand always does the same things -- sinusoidal movement.

右腕は常に同じこと　前後にサイン波状に動かしています

The left hand always is the same and puts sinusoidal tickle.

左腕は常に同じ　前後にサイン波状にくすぐりを受けています

All we're playing with is a tempo causality.

ここで確かめているのは時間差との因果関係です

And as we go from naught to 0.1 second,

遅延なしから0.1秒の遅延になると

it becomes more ticklish.

くすぐったくなり

As you go from 0.1 to 0.2,

0.1秒から0.2秒になると

it becomes more ticklish at the end.

さらにくすぐったくなります

And by 0.2 of a second,

0.2秒の遅延になると

it's equivalently ticklish

自分が何もしていないのと

to the robot that just tickled you without you doing anything.

ほぼ同等のくすぐったさがロボットから感じられます

So whatever is responsible for this cancellation

つまり　感覚の相殺に関わっているものは

is extremely tightly coupled with tempo causality.

時間差との因果関係がとても強いということです

And based on this illustration, we really convinced ourselves in the field

この図を基に考えると　いかに

that the brain's making precise predictions

脳が正確に予期し

and subtracting them off from the sensations.

感覚から引き算しているかがわかります

Now I have to admit, these are the worst studies my lab has ever run.

これは私の研究室で行われた研究の中では最悪のものです

Because the tickle sensation on the palm comes and goes,

くすぐったさというのは移り変わるもので

you need large numbers of subjects

この結論を導き出すためには

with these stars making them significant.

多くの被験者が必要だからです

So we were looking for a much more objective way

そこで私たちはこの結論を評価するために

to assess this phenomena.

もっと客観的な方法を探しました

And in the intervening years I had two daughters.

その間に私には2人の娘が生まれました

And one thing you notice about children in backseats of cars on long journeys,

子供たちを後部座席に乗せて長旅に出ると

they get into fights --

けんかになります

which started with one of them doing something to the other, the other retaliating.

一人がもう一人にちょっかいを出し始めると　もう一人がやり返します

It quickly escalates.

すぐにひどくなります

And children tend to get into fights which escalate in terms of force.

そして子供は次第にエスカレートする力を使ったけんかに発展することが多いのです

Now when I screamed at my children to stop,

私が子供に注意をすると

sometimes they would both say to me

両方とも　もう一人のほうが

the other person hit them harder.

もっと強くたたいたと言うのです

Now I happen to know my children don't lie,

子供がうそをついている訳ではないと分っていたので

so I thought, as a neuroscientist,

神経科学者として考えてみると

it was important how I could explain

彼らの言っていることが食い違っているのを

how they were telling inconsistent truths.

説明付けるのは重要なことだと考えました

And we hypothesize based on the tickling study

くすぐりの実験から仮説を立てました

that when one child hits another,

子供がもう一人をたたくときに

they generate the movement command.

動作の指令を出します

They predict the sensory consequences and subtract it off.

感覚からの入力を予想しそれらを引き算します

So they actually think they've hit the person less hard than they have --

そうすると彼らは自分が思っていたより弱くたたいたつもりになるのです

rather like the tickling.

くすぐりのときのように

Whereas the passive recipient

一方たたかれるほうは

doesn't make the prediction, feels the full blow.

予想がないので全ての力を感じることになります

So if they retaliate with the same force,

つまり同じ力でたたき返すと

the first person will think it's been escalated.

たたかれたほうは強くやり返されたと思うのです

So we decided to test this in the lab.

そこでこれを実験室で試すことにしました

(Laughter)

（笑い）

Now we don't work with children, we don't work with hitting,

子供も使いませんし　けんかもしません

but the concept is identical.

しかし概念は同じです

We bring in two adults. We tell them they're going to play a game.

二人の大人を連れてきて これからゲームをすると伝えます

And so here's player one and player two sitting opposite to each other.

このように向かい合わせに一人ずつが座ります

And the game is very simple.

ゲームはとても単純です

We started with a motor

モーターと小さなレバー　それと

with a little lever, a little force transfuser.

小さな伝達機でできます

And we use this motor to apply force down to player one's fingers

そしてこのモーターで一人目の指を下方向に

for three seconds and then it stops.

3秒間だけ力を加えます

And that player's been told, remember the experience of that force

その人は　その力を覚えて

and use your other finger

別の指で

to apply the same force

同じだけの下向きの力を

down to the other subject's finger through a force transfuser -- and they do that.

伝達機を通してもう一人に与えてくださいといわれ　彼らは言われたとおりにします

And player two's been told, remember the experience of that force.

もう一人は　その強さを覚えて

Use your other hand to apply the force back down.

もう一方の手で同じ強さで下に押すように言われました

And so they take it in turns

そのように彼らは交互に

to apply the force they've just experienced back and forward.

自分が受けた分の力をかけていったのです

But critically,

重要なのは

they're briefed about the rules of the game in separate rooms.

彼らはそれぞれ別の部屋でゲームの説明を受けたことです

So they don't know the rules the other person's playing by.

彼らはもう一人がどのようなルール説明を受けたか知らないのです

And what we've measured

私たちがここで計測したのは

is the force as a function of terms.

時間とともに変化した力です

And if we look at what we start with,

それではこちらを見てみましょう

a quarter of a Newton there, a number of turns,

4分の1ニュートンがここで　これがくりかえしの回数です

perfect would be that red line.

赤い線が受けた力と与えた力が同じことを示す線です

And what we see in all pairs of subjects is this --

そして全ての被験者ペアに見られたのがこちらです

a 70 percent escalation in force

回数ごとに力が70パーセントずつ

on each go.

上っています

So it really suggests, when you're doing this --

この結果から示されるのは

based on this study and others we've done --

他の研究からもわかるように

that the brain is canceling the sensory consequences

脳は感覚からの入力を相殺しており

and underestimating the force it's producing.

加えている力を過小評価しているということです

So it re-shows the brain makes predictions

これによって脳が予測をしていることと

and fundamentally changes the precepts.

感じ方まで変えてしまうことが再確認されました

So we've made inferences, we've done predictions,

推測し　予測をして

now we have to generate actions.

次は行動を起こさなければなりません

And what Bayes' rule says is, given my beliefs,

ベイズ理論によれば　信念に従って

the action should in some sense be optimal.

最善と思われるものが選ばれるはずです

But we've got a problem.

しかし問題があります

Tasks are symbolic -- I want to drink, I want to dance --

タスクは抽象的なのです　何か飲みたい　踊りたいなど

but the movement system has to contract 600 muscles

しかし動作を起こすには600もの筋肉を特定の順番で

in a particular sequence.

収縮させなければなりません

And there's a big gap

タスクと動作の間には

between the task and the movement system.

大きな溝があるのです

So it could be bridged in infinitely many different ways.

なので捉え方は無限にあるのです

So think about just a point to point movement.

1地点から他の1地点への移動を考えましょう

I could choose these two paths

無数にある道の中から

out of an infinite number of paths.

この2つを選ぶかもしれません

Having chosen a particular path,

道を選ぶと

I can hold my hand on that path

様々な関節の組み合わせで

as infinitely many different joint configurations.

私の手をその道に沿わせることができます

And I can hold my arm in a particular joint configuration

そして腕は関節の組み合わせで

either very stiff or very relaxed.

緊張させることも緩ませることもできます

So I have a huge amount of choice to make.

選択肢はたくさんあるのです

Now it turns out, we are extremely stereotypical.

ところが私たちはとても型にはまっています

We all move the same way pretty much.

みんな同じように動くのです

And so it turns out we're so stereotypical,

型にはまっているということは

our brains have got dedicated neural circuitry

脳の中には決まった型を作り出す暗号を解読する

to decode this stereotyping.

専用の神経回路があるのです

So if I take some dots

なので　いくつかの点を使って

and set them in motion with biological motion,

生物のような動きを見せると

your brain's circuitry would understand instantly what's going on.

脳の神経回路は何が起こっているかすぐに理解します

Now this is a bunch of dots moving.

多くの点が動いていますが

You will know what this person is doing,

この人が何をしているかお分かりですね

whether happy, sad, old, young -- a huge amount of information.

喜んでいるか悲しんでいるか　若者か年寄りか　多くの情報があります

If these dots were cars going on a racing circuit,

もしこの点がレース場の車に付いていたとしたら

you would have absolutely no idea what's going on.

何が起こっているかまったくわからないでしょう

So why is it

なぜ動作は

that we move the particular ways we do?

決められた動きなのでしょう？

Well let's think about what really happens.

実際に何が起こっているかを考えてみましょう

Maybe we don't all quite move the same way.

私たち全員が全く同じように動いているわけではありません

Maybe there's variation in the population.

人々によって違いはあるでしょう

And maybe those who move better than others

他の人よりよく動ける人は

have got more chance of getting their children into the next generation.

子供を残せる確率が高いのかもしれません

So in evolutionary scales, movements get better.

進化の過程で動作はよりよくなってきたのです

And perhaps in life, movements get better through learning.

生活の中では動作は学習を通じて改善します

So what is it about a movement which is good or bad?

では動作の良い悪いとは何でしょうか？

Imagine I want to intercept this ball.

このボールを妨害するときに

Here are two possible paths to that ball.

とる経路は2つあります

Well if I choose the left-hand path,

左側の経路を取ると決めると

I can work out the forces required

すぐさま時間とともに筋肉に

in one of my muscles as a function of time.

必要とされる力を導き出せます

But there's noise added to this.

しかしここにノイズがのります

So what I actually get, based on this lovely, smooth, desired force,

この美しい滑らかな必要な力に対して実際に得るのは

is a very noisy version.

ノイズだらけのものです

So if I pick the same command through many times,

つまり何回にもわたって同じ指令を受けると

I will get a different noisy version each time, because noise changes each time.

ノイズは毎回変わるのでその数だけ様々な動きを得ることになります

So what I can show you here

これからお見せするのは

is how the variability of the movement will evolve

そのような方法をとると　いかに動きのバラツキが

if I choose that way.

進化するかです

If I choose a different way of moving -- on the right for example --

右にあるように　違う動きを選ぶと

then I'll have a different command, different noise,

異なった指令や異なったノイズを受け　雑音の混ざった複雑な

playing through a noisy system, very complicated.

結果になるでしょう

All we can be sure of is the variability will be different.

確かなことは バラツキはその時により異なるということです

If I move in this particular way,

ある動作をすると

I end up with a smaller variability across many movements.

何回もの経験の末にバラツキは少なくなります

So if I have to choose between those two,

それら2つのうちから選ぶとすると

I would choose the right one because it's less variable.

バラツキの少ない右の方を選ぶでしょう

And the fundamental idea

基本的な考え方としては

is you want to plan your movements

ノイズによる悪影響をできるだけ

so as to minimize the negative consequence of the noise.

少なくするように動作を計画するのです

And one intuition to get

ここで直感できることは

is actually the amount of noise or variability I show here

ここでお見せしたノイズやバラツキは　力が大きいほど

gets bigger as the force gets bigger.

大きくなるのです

So you want to avoid big forces as one principle.

なので原理の一つとして大きい力は避けたがるのです

So we've shown that using this,

これを使って

we can explain a huge amount of data --

膨大なデータを説明することができることを示しました

that exactly people are going about their lives planning movements

それは暮らしの中で人々はノイズによる悪影響を最小限に

so as to minimize negative consequences of noise.

抑えるために動作を計画しているということです

So I hope I've convinced you the brain is there

これで脳が動作を制御するために進化した

and evolved to control movement.

ということを納得いただけたでしょうか

And it's an intellectual challenge to understand how we do that.

その仕組みを理解するのは知的挑戦です

But it's also relevant

しかしそれは同時に

for disease and rehabilitation.

病気やリハビリにも関係してきます

There are many diseases which effect movement.

動作に影響を及ぼす病気はたくさんあります

And hopefully if we understand how we control movement,

また願わくば　動作制御の方法を理解することによって

we can apply that to robotic technology.

ロボット技術にも応用できるかもしれません

And finally, I want to remind you,

最後にお伝えしたいのは

when you see animals do what look like very simple tasks,

動物が行っているタスクはいかに簡単に見えても

the actual complexity of what is going on inside their brain

脳の中で起こっている複雑さは

is really quite dramatic.

本当に劇的です

Thank you very much.

ありがとう

(Applause)

（拍手）

Chris Anderson: Quick question for you, Dan.

クリス・アンダーソン「簡単な質問をします、ダン

So you're a movement -- (DW: Chauvinist.) -- chauvinist.

あなたは動作　（ダン「至上主義者」）　至上主義者ですよね」

Does that mean that you think that the other things we think our brains are about --

「私たちが脳の機能と考えている他のこと

the dreaming, the yearning, the falling in love and all these things --

夢やあこがれ　恋愛などのことは

are a kind of side show, an accident?

余興や偶然だとお考えですか？」

DW: No, no, actually I think they're all important

ダン「いいえ　それらはみな結果的に

to drive the right movement behavior to get reproduction in the end.

繁殖につなげるための正しい行動に誘導する観点から重要です

So I think people who study sensation or memory

感覚や記憶を研究している人は　なぜ子供時代の

without realizing why you're laying down memories of childhood.

記憶を蓄積するのかに気付いていないと思います

The fact that we forget most of our childhood, for example,

例をあげると　ほとんど子供時代の記憶が残っていないのは

is probably fine, because it doesn't effect our movements later in life.

後の生活の行動に影響を与えないから問題にならないのです

You only need to store things which are really going to effect movement.

動作に影響を与えることだけを覚えておけばいいのです」

CA: So you think that people thinking about the brain, and consciousness generally,

クリス「脳を研究している　もっというと意識を研究している人は

could get real insight

動作がどう絡んでくるかを考えることで

by saying, where does movement play in this game?

本当の洞察を得られるということですね」

DW: So people have found out for example

ダン「一例として

that studying vision in the absence of realizing why you have vision

何のために視覚があるかを考えずに視覚を研究するのは

is a mistake.

間違いだということです

You have to study vision with the realization

視覚を研究するためには　動作がどのように

of how the movement system is going to use vision.

視覚を使うかを理解する必要があります

And it uses it very differently once you think about it that way.

そのように考えるとどのように視覚が使われるのかという考え方が変わります」

CA: Well that was quite fascinating. Thank you very much indeed.

クリス「とても興味深かったです　本当にありがとう」

(Applause)

（拍手）